本文来自微信公众号： 智讯智库 ，作者：许倍
过去讨论AI泡沫，市场主要盯着企业剧烈波动的估值、大模型商业化收入和科技巨头不断膨胀的资本开支。但现在，AI风险开始从科技股估值向基础设施债务延伸。
8月17日，《华尔街日报》对Alphabet、亚马逊、微软、Meta、Oracle、英伟达、Broadcom、SpaceX和AMD九家科技公司的最新监管文件进行梳理后发现，这些公司已经积累约3万亿美元表外承诺，其中大部分与AI基建有关[1]。这一规模约为九家公司过去一年披露的6000亿美元传统资本开支的五倍，也是其表内存量租赁负债和长期借款的约三倍。
这3万亿美元主要由两部分组成：约1.2万亿美元尚未起租的租约承诺，以及约1.9万亿美元采购及其他合同义务。由于相关资产或服务还没有交付，这些承诺尚未确认为表内负债，但大多不可取消。这意味着即使未来AI收入低于预期，科技公司可能仍需要为无法产生足够回报的基础设施持续付款。
在这两类承诺中，1.2万亿美元未起租租约将科技公司与信用市场隐秘地连接了起来。有时候，科技巨头并不直接建设数据中心，而是与SPV（特殊目的实体）或合资项目公司合作，由项目公司负责持有和建设资产，它们再以未来租金为基础向私人信贷和机构投资者举债。其经济效果类似于借款，却主要存在于科技巨头资产负债表之外，BIS（国际清算银行）将这类结构称为“影子借贷”[2]。
租约承诺与SPV债务并不是同一笔负债，但前者为后者提供了现金流和信用支持，由此把科技巨头、数据中心开发商和金融机构连接起来，使AI基建风险从股票市场进一步延伸至信用市场。
BIS在今年6月发布的年度经济报告中，将当前AI投资潮与历史上的运河、铁路、电气化和互联网建设周期进行比较，并指出本轮扩张已经呈现高资本开支、债务融资、SPV、循环融资和信用集中等特征[3]。随着科技企业为AI基础设施大量融资，与Oracle、英伟达、Meta和Alphabet等公司相关的CDS（信用违约掉期）交易及保护成本也明显上升[4]。这说明市场已经开始把AI军备竞赛作为一个信用问题、而不只是估值问题来观察。
当未来的AI需求不再只是支撑科技股估值的增长预期，也开始成为支持当下举债和大规模建设的信用基础。需求判断失误的后果就不再局限于股价回调，而是会进一步转化为难以修复的信用损失。
如今的AI基建热潮正在重现次贷危机中最危险的一幕：把高度不确定的未来需求当成稳定偿债现金流，再围绕它叠加杠杆，并将风险转移、扩散至金融体系。一旦技术迭代快于资产回收，或者未来需求没有兑现今天的预期，风险就可能沿着租约和债务向信用市场快速传导——“AI基建”正在成为AI泡沫中更值得警惕的风险载体。
本篇文章围绕AI基建金融化，给出以下几个最值得关注的判断（Takeaways）：
【“AI基建潮”正在把资本开支推向信用扩张】：9家科技公司的表外承诺已接近3万亿美元，相当于其过去一年传统资本开支的5倍。这些承诺把未来支出提前锁定，使AI投资从依赖企业当期现金流的资本开支，逐渐变成由长期合同和外部融资共同推动的信用扩张。
【三只不同速度的时钟，构成了AI基建融资的结构性风险】：数据中心设施可以使用几十年，GPU和服务器数年就会换代，下游客户需求则可能随市场快速变化。金融市场用长期合同和债务把三者锁在一起后，技术迭代、收入波动和固定付款就可能相互放大。
【第一张倒下的骨牌，未必是科技巨头】：AI回报低于预期时，微软、Meta等巨头未必立即违约，只需减少新增租约和资本开支，就可能使项目预租率、资产估值和再融资能力同时下降。风险往往会先暴露在高杠杆、客户单一且依赖持续融资的数据中心开发商和AI云服务商身上。
【项目风险一旦走出SPV，就可能扩散至金融体系】：当基础设施基金提供股权、私人信贷和保险资金持有项目债务、银行再向SPV或基金提供授信，投资损失就不再只由科技公司股东承担，而可能沿着项目债务和融资关系逐层传递，最终演变为更广泛的信用收缩。
【它还不是2008，但走向系统性风险的门槛已经清晰】：当前核心租户的信用远强于次贷借款人，AI项目债务也尚未形成2008年前那种广泛证券化和短期融资结构。只有当高杠杆、期限转换和流动性承诺叠加在一起，产业投资损失才可能升级为系统性金融风险。
【真实需求不能阻止泡沫，只有现金流才能偿还债务】：真实的AI需求不是阻止泡沫的充分条件，不能保证每个项目都能获得足够回报。AI需求决定这些基础设施最终有没有用途，现金流决定过程能否顺利推进——而危机通常发生在两者之间的距离被低估的时候。
“AI基建潮”正在把资本开支
推向信用扩张
一座尚未建成的数据中心，已经可以凭借未来的租金获得今天的建设资金。Meta与Blue Owl合作开发的Hyperion园区就是这样。
这座位于路易斯安那州的数据中心预计耗资约270亿美元，Blue Owl旗下基金持股80%，Meta只保留20%。园区建成后，Meta将租用全部设施。如此一来，Meta不必独自承担全部建设支出，Blue Owl则获得了一项由Meta信用支持的长期基础设施投资[5]。
而真正支撑项目融资的，是租约背后的付款承诺。Meta向SEC披露，相关租约预计2029年起租，最初四年的承诺金额约为123亿美元，并可续租至最多20年。为降低Meta不续租的风险，公司还提供了覆盖运营最初16年的有条件残值担保。如果租约终止后园区价值低于约定门槛，Meta需要在上限范围内补足差额[6]。
BIS指出，一些AI项目债务正是依靠投资级科技巨头的合同支持获得投资级特征[2]。因此，对金融机构来说，最重要的问题不只是GPU现在值多少钱，而是谁会在未来十几年持续付款。科技巨头的信用，也由此从自身资产负债表传递到外部的数据中心项目。
同一份长期租约，在科技公司一端是未来固定支出，在数据中心开发商一端却是可以用来融资的预期现金流。只要租户信用足够强，科技巨头对未来算力的需求，就可以被提前转化为今天的数据中心建设资金。长期合同在AI基建融资中承担了类似“增信装置”的作用。
CoreWeave把这套模式进一步推向了标准化。截至2025年底，公司拥有607亿美元剩余履约义务，已承诺客户合同的加权平均期限约为五年。CoreWeave在年报中明确表示，其基础设施主要依靠由“照付不议”客户合同支持的资产级债务融资[7]。
2026年3月，CoreWeave完成一笔85亿美元无追索权融资，由特定高性能计算基础设施和相关客户合同共同支持，并获得穆迪A3和DBRS A（low）的投资级评级[8]。两个月后，公司又完成31亿美元公开银团贷款，用于采购和部署履行两份客户合同所需的设备[9]。这笔贷款可以在二级市场交易，意味着AI项目债务已经开始从少数机构间的定制融资，变成能够被评级、分销和交易的信用资产。
此外，作为这场“AI基建潮”最大的受益者之一——英伟达，也正在主动帮助客户把数据中心的建设金融化。不久前，英伟达与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR建立融资合作，计划在未来调动超过5000亿美元第三方资本，为采用英伟达技术的数据中心提供资金[10]。
BlackRock、微软和MGX等机构建立的AI Infrastructure Partnership同样体现了这类资金的放大过程：该平台计划先募集300亿美元股权资本，再通过债务融资把潜在投资能力扩大至1000亿美元[11]。项目能否扩张取决于股权资本和外部债务共同形成的融资能力，而不再只取决于科技公司当期能够拿出多少现金。
这种变化已经出现在公开债券市场。BIS统计，Alphabet、亚马逊、Meta、微软和Oracle等超大规模云厂商2025年的债券发行总额超过1000亿美元，而且大部分期限超过五年。BIS据此判断，随着AI投资需求超过企业经营现金流能够轻松覆盖的范围，债务和私人信贷将在新增融资中承担越来越重要的角色[2]。
外部信用由此放松了AI建设的当期资金约束。科技公司可以先签下长期租约或容量合同，由项目公司和金融机构提供建设资金，再把支出分摊到未来多年。决定数据中心建设规模的问题，也从“科技公司愿意花多少钱”，扩展为“金融市场愿意依据其信用借出多少钱”。
这套机制还会与科技股估值相互强化。按托宾Q理论：较高的市场估值降低融资成本，鼓励企业把更多增长预期转化为现实投资；持续扩大的投资，又反过来强化市场对未来增长的想象。“AI基建潮”由此形成一条自我强化的链条。AI投资不再只是企业内部的资本开支，而开始叠加一轮更不可控的信用扩张。
AI基建融资的三重错配
信用扩张解决了“今天的钱从哪里来”，却没有解决另一个问题：支撑这些债务的资产、合同和收入，能否按照同一套时间表运转。
AI数据中心里实际上同时存在三只时钟：设施按几十年建设，计算设备按几年换代，客户需求则可能按季度变化。当金融市场用长期债务把三只时钟锁在一起，错配也就随之产生。
债务还没到期，GPU已经换代
表面来看，数据中心是一项典型的长期资产。土地和建筑可以使用几十年，电力接入和冷却系统经过改造，也能继续服务下一代设备。但机房内部的GPU和服务器，却按照完全不同的速度折旧。
标普在研究数据中心设备证券化时，将GPU等计算设备归为使用寿命约4—6年的短寿命资产，而数据中心建筑等长期资产的寿命可以达到30—35年[12]。
这种时间差异不是停留在纸面上的会计假设，它已经产生了实际的损害。亚马逊2025年将部分服务器和网络设备的预计使用寿命从六年缩短至五年，理由正是AI和机器学习技术发展加快。这一年的调整就使其折旧及摊销费用增加14亿美元，净利润减少10亿美元[13]。
这意味着，一座数据中心的建筑可能还很新，里面最值钱的设备却已经落后一代。新芯片如果需要更高的功率密度、不同的液冷方案和网络架构，旧项目就要重新改造供电、冷却和机房布局。因为旧设备即使仍能运行，也可能无法产生原先预计的收入。这让数据中心面临两头压力：AI技术进步越快，现有设备淘汰越快；AI需求增长越慢，已经建成的设施利用率越不充分。
归根究底，AI发展日新月异的当下，一个十几年的数据中心无法保证以足够低的成本提供有持续竞争力的算力。AI基建由此出现第一重错配：用长期设施和长期债务的融资方式，承担计算设备快速贬值和反复更新的风险。
租约锁住十几年，客户却要不断争取
第二只走得不一致的时钟，是上游固定付款与下游客户收入。
CoreWeave与Core Scientific之间的合同提供了一个直观样本。Core Scientific披露，其为CoreWeave建设的高性能计算基础设施接近590兆瓦，合同潜在收入超过100亿美元，大部分合同期限为12年，并附带两次五年续约选择权[14]。但在下游，CoreWeave已承诺客户合同的加权平均期限约为5年[7]。
前五年，客户合同可以覆盖部分项目成本；五年之后，CoreWeave仍需履行更长期的基础设施合同，却要重新争取客户、续签算力订单。届时GPU价格、模型架构和市场竞争可能已经发生变化，原来每小时可以卖出的算力，未必还能维持同样的价格和利用率。
这就是长期租约带来的经营杠杆。租金、容量采购、电力和利息相对固定，AI收入却会随着使用量、价格和客户竞争变化。穆迪测算，尚未开始履行的数据中心租约承诺，已经相当于相关超大规模云厂商最近一期调整后债务的113%。穆迪由此认为，租赁能够减少企业前期资本投入，却也会降低其财务和经营灵活性，尤其是在行业条件快速变化时[15]。
更麻烦的是，数据中心不是建成后就能停止投入，企业还要不断购买新GPU、升级网络和改造冷却设施。如果旧租约和债务占用了太多现金流，企业可能没有足够资金完成必要的技术更新，形成类似“债务悬置”的效果：过去为了抢占市场签下的固定承诺，反过来会妨碍未来更有效率的投资。
因此，AI基建的第二重错配是：上游付款锁定得越久，下游收入的不确定性就越容易被放大。
项目铺满地图，信用却集中在少数客户
美国新建设的AI数据中心分布在路易斯安那、得克萨斯、佐治亚和宾夕法尼亚，由不同开发商、基金和SPV持有。从物理位置和法律结构看，这些项目似乎彼此分散。但沿着合同向上追溯，付款人很快会收敛到少数几家公司。
Core Scientific价值超过100亿美元的高性能计算合同主要指向CoreWeave[14]；Galaxy披露，其Helios二期项目也全部出租给CoreWeave，基础租期15年，最低合同租金约104亿美元[16]。再向下一层穿透，CoreWeave自身的收入又曾高度依赖微软——微软在2024年贡献了CoreWeave约62%的收入[17]。
这意味着，两个分别位于不同地区、由不同开发商持有的数据中心，可以同时依赖CoreWeave。而CoreWeave的付款能力，又可能受到微软等少数客户需求的影响。
有些项目的信用链条还要再绕一层。Cipher Mining在得克萨斯州建设的Barber Lake数据中心，直接承租方是AI云服务商Fluidstack，但Google为Fluidstack的部分租赁义务提供了信用支持[18]。经过这样两三层合同包装后，项目看起来被分散在不同SPV中，底层需求却仍然集中在Meta、微软、Google、OpenAI等少数科技巨头身上。
把镜头拉远，这种集中更加明显。BIS指出，当前AI建设高度集中于少数超大规模云厂商，五家最大的云厂商在2025-2026年的AI相关资本开支将超过1万亿美元[3]。如果这些公司放慢资本开支，工程承包商、数据中心开发商和其他供应链借款人可能同时失去收入，并面临偿债压力。
项目被装进不同SPV，并不会自动让底层信用彼此独立。对单个项目来说，这是一份长期合同；对整个市场来说，大量合同可能都在押注同一个AI需求周期。因此，AI基建的第三重错配是：资产看起来分散，信用风险却高度集中。
而这三重错配真正危险的地方，在于它们会彼此强化。技术更新加快，首先压低旧设备的盈利能力；长期固定付款随后放大现金流压力；当少数核心客户同时削减投资时，原本分散在不同SPV里的项目又可能一起面临估值下降和再融资困难。到这一步，一项技术投资的回报问题，才会沿着合同和债务变成信用市场的问题。
暗藏其中的“次贷危机”
三重错配只是风险的起点，一次AI投资失误演变成信用事件，损失还需要沿着合同、资产估值和融资关系向外传递。这里所说的“次贷式”危机，指的是一种风险放大结构：金融市场先把未来收入转化为今天的资产价值，再围绕这些资产叠加杠杆；当收入预期下降时，资产和债务同时重估，损失也从项目内部扩散到更广泛的金融机构。
科技巨头的信用成本上升
如果AI收入增长低于预期，已经起租的数据中心合同仍要继续付款。原本可以用于回购、研发和新项目的现金流，会被租金、容量采购和利息逐渐占用。企业的自由现金流下降、固定付款增加，评级机构和债券投资者就会重新评估它的财务灵活性。
这种变化已经出现在信用市场。BIS发现，超大规模云厂商的五年期CDS利差相对于投资级债券基准有所上升，其中信用评级较低的公司变化更明显。这反映出投资者对AI项目回报的怀疑开始进入债务定价[2]。
路透社也注意到，与Oracle、英伟达、Meta和Alphabet等公司相关的CDS交易和保护成本明显上升[4]。这说明，部分投资者已经开始为“AI投资可能无法产生足够现金流”购买保险。
对微软、Meta和Alphabet这样的公司来说，信用利差上升最初可能只是融资成本增加几个基点。但当数千亿美元建设资金需要通过长期债务持续进入时，微小的利率变化也会被急遽放大，进而抬高项目的最低回报门槛，甚至使部分边际项目失去投资价值。
于是，不用等科技巨头违约，只要他们不再签下同样多的新合同，数据中心开发商的增长逻辑就会松动。
项目重估撕开再融资缺口
2026年3月，OpenAI放弃继续参与得克萨斯州Abilene数据中心的部分扩建，微软随后接手了两座新建筑[19]。这个项目最终找到了另一家信用更强的租户，因此没有演变为融资危机。
但如果项目找不到微软这样的替代租户，影响就会继续向下传导。新增容量租不出去，市场租金和预租率随之下降；投资者提高风险溢价，项目估值也会被下调。即使现有租户仍在付款，剩余租期缩短和期末残值下降，也会削弱项目下一次融资时的抵押能力。
当新的贷款不足以偿还旧债，项目股东就需要补充资本、出售资产或接受更高利率。此前Meta为Hyperion提供的残值担保，正是为了填补这种风险。如果Meta不续租，且园区价值低于约定门槛，担保可能被触发。风险由此从项目公司转移到了提供信用支持的科技企业。
因此，数据中心的信用事件只需要从一次估值下调开始。
风险沿着SPV进入金融体系
如果数据中心由科技公司用自有资金建设，投资失败首先表现为资产减值和股东损失。但在SPV融资模式下，同一座数据中心背后可能同时站着基础设施基金、私人信贷、保险资金和银行。
项目估值下降时，SPV中的股权安全垫首先变薄。等到债务到期，更低的资产价值可能无法支撑足够的新贷款，项目由此出现再融资缺口。如果股东补资和担保仍不足以填补缺口，损失就会进一步导向私人信贷和保险资金。
银行也没有置身事外。它们可能向SPV或私人信贷基金提供授信，从而把科技巨头表外的项目融资重新连接到银行体系。BIS指出，项目再融资压力、私人信贷风险偏好变化和担保触发，都可能成为新的冲击传导渠道[2]。
而且，这种连接正在扩大。芝加哥联储统计，美国大型银行对AI相关行业的商业和工业信贷承诺，已经从2015年的约2500亿美元增加到2025年底的约4500亿美元，占相关信贷承诺的比例从约9%升至13%[20]。这说明，银行与AI产业链的资金联系和潜在风险敞口都在上升。
因此，SPV并没有把风险隔离，只是改变了损失传递的顺序：项目估值下降先侵蚀股权资本，再融资缺口随后威胁私人信贷和保险资金，银行则通过对这些融资载体的授信受到波及。更重要的是，一旦这些机构同时降低风险偏好，私人信贷会减少放款，保险资金会提高收益率要求，银行也会收紧授信。
如此一来，单个项目的融资困难，很有可能演变为整个AI基建市场的信用收缩。
循环融资放大需求幻象
AI融资链还有一个更隐蔽的放大器：产业链中的投资、采购和收入，并不总是彼此独立。
CoreWeave与英伟达之间的关系就是一个典型样本。CoreWeave大量采购英伟达GPU，英伟达同时是CoreWeave的重要股东，并承诺在2032年4月以前购买最高63亿美元的剩余云计算容量[16]。
这就形成了一条彼此支撑的链条：CoreWeave采购英伟达芯片，推动英伟达形成收入；英伟达投资CoreWeave并承诺购买部分剩余算力，又帮助CoreWeave扩大订单储备和融资能力；CoreWeave获得更多资金后，再继续采购英伟达的GPU，扩建数据中心。
BIS将这类结构称为“循环融资”：芯片公司和云厂商投资AI公司，后者再承诺购买芯片和计算能力[3]。合同之间相互支撑，可能使产业内部需求显得比市场需求更稳定，并进一步支持外部融资。
当市场处于上升阶段，这个循环会同时放大订单、收入预期和融资能力；一旦终端需求不及预期，它也可能反向运转，错误预期被越放越大，原本相互支持的合同也会一起失去信用基础。
于是，AI风险的完整传导链逐渐形成：AI收入不及预期→科技公司信用成本上升→新增租约和资本开支减少→数据中心估值与再融资能力下降→私人信贷和保险资金出现损失→银行及其他资金提供者收紧信用→产业内部循环融资反向收缩。
这条链条说明产业泡沫已经拥有了向信用市场传导的通道。真正决定它会不会走向2008式系统性风险的，是这些通道之上究竟叠加了多少杠杆和流动性风险。
但它还不是2008，
至少现在不是
AI基建已经出现了未来收入资本化、表外融资和风险扩大，但这并不意味着2008年的剧本一定会重演。
首先，今天和2008最重要的区别，是站在合同另一端的是全球现金流最充裕的科技公司，而不是本就缺乏偿债能力的普通家庭。科技巨头不会最先倒下，但它们一旦减少新增项目或放慢签约，压力就会沿着合同迅速传向产业链。真正脆弱的环节，仍是那些杠杆更高、客户更少、依赖持续融资的数据中心开发商、AI云服务商和供应链企业。
第二个区别在于，今天的AI债务还没有形成2008年那样庞大而脆弱的金融网络。次贷危机之所以失控，不只是因为住房贷款质量下降，更因为这些贷款被证券化、分层打包并广泛分销，并由大量高杠杆、依赖短期资金的金融机构持有。
美国金融危机调查委员会指出，当时部分投资银行的杠杆率高达40倍，房利美和房地美的合计杠杆率达到75倍，而部分资金期限甚至短至一天。一旦抵押品价格下降，资金便可以在一夜之间撤走[21]。目前还没有充分证据表明，AI数据中心债务被如此大规模地证券化和分层销售，也没有证据显示整个金融体系正在依靠隔夜资金持有这些资产。
但这道防线并非牢不可破。BIS指出，直接贷款基金对AI和信息技术行业的贷款在5年内增长了3倍，目前约占其投资组合的15%；部分面向个人投资者的私人信贷基金已经遭遇赎回压力，银行与私人信贷基金之间的资金联系又缺乏足够透明度[3]。
如果越来越多项目依赖短期融资滚动长期债务，如果缺乏流动性的项目贷款被装进可以随时赎回的基金，如果相似债务被证券化、分层销售并集中进入同一批金融机构，那么一次需求下滑就可能同时触发抵押品贬值、融资收缩和被迫抛售。
所以，AI基建已经形成信用风险，却还没有形成2008年那种随时可能发生挤兑的融资结构，它们之间隔着的门槛是——项目损失是否会与高杠杆、短期资金和流动性承诺结合起来。
真实需求不能阻止泡沫，
现金流才能偿还债务
住房需求是真的，互联网改变世界也是真的，但真实的需求从来不是避免泡沫的充分条件。新技术可以创造长期价值，却不能保证每一座今天建成的数据中心、每一批按高价采购的GPU，都能在债务到期前产生足够回报。
AI基建已经具备部分“次贷式”金融化特征：科技公司把未来需求写进长期合同，项目公司把合同转化为资产价值，金融机构再围绕这些价值提供贷款、债券和私人信贷。风险也由此从一次技术投资能否赚钱，变成一整条信用链能否持续获得现金流。
最先需要担心的未必是科技巨头违约，而是那些依赖单一客户、持续技术更新和不断再融资的边缘项目。当AI收入低于预期，巨头可以削减新增投资，项目公司却仍要偿还债务，金融机构也必须重新评估抵押品和合同价值。一次资本开支降温，就可能沿着租约、估值和融资关系逐渐转化为信用收缩。
因此，判断AI泡沫的风险，不能只看模型能力、芯片销量和科技股估值，还要看未来AI现金流能否覆盖已经锁定的租约，以及金融体系围绕这些承诺叠加了多少杠杆。AI需求决定这些基础设施最终有没有用途，现金流却决定它们能不能还债——而危机通常发生在两者之间的距离被低估的时候。
【声明建议】本文基于监管文件、企业公告及公开资料进行分析，相关数据可能因统计口径和披露时点不同而存在差异。文中“次贷式风险”仅指潜在的信用传导结构，不代表相关企业已经出现偿付困难，也不意味着金融危机必然发生。本文仅供产业研究与信息交流，不构成任何投资建议，投资者应独立判断并自行承担风险。
参考资料
[1]RUDEGEAIR P,SANTILLI P.Why Big Tech's AI spending is$3 trillion higher than it seems[N/OL].The Wall Street Journal,2026-08-16[2026-08-20].
[2]EREN E,KROHN I,TODOROV K.Financing the AI infrastructure boom:on-and off-balance sheet borrowing[R/OL].Basel:Bank for International Settlements,2026[2026-08-20].
[3]BANK FOR INTERNATIONAL SETTLEMENTS.Annual Economic Report 2026:Chapter I,Progress and peril[R/OL].Basel:Bank for International Settlements,2026[2026-08-20].
[4]COOPER A.Explainer:What are credit default swaps and why are they spooking AI investors?[N/OL].Reuters,2026-07-29[2026-08-20].
[5]META PLATFORMS,INC.Meta announces joint venture with funds managed by Blue Owl Capital to develop Hyperion data center[EB/OL].(2025-10-21)[2026-08-20].
[6]META PLATFORMS,INC.Form 10-Q for the quarterly period ended September 30,2025[R/OL].[2026-08-20].
[7]COREWEAVE,INC.Form 10-K for the fiscal year ended December 31,2025[R/OL].[2026-08-20].
[8]COREWEAVE,INC.CoreWeave completes$8.5 billion investment-grade financing[EB/OL].(2026-03)[2026-08-20].
[9]COREWEAVE,INC.CoreWeave completes$3.1 billion publicly syndicated financing[EB/OL].(2026-05)[2026-08-20].
[10]IRWIN N.Nvidia and Wall Street partner on$500B AI financing[N/OL].Axios,2026-08-10[2026-08-20].
[11]BLACKROCK,GLOBAL INFRASTRUCTURE PARTNERS,MICROSOFT,et al.Global infrastructure partners,Microsoft,BlackRock and MGX launch new AI partnership to invest in data centers and supporting power infrastructure[EB/OL].(2024-09-17)[2026-08-20].
[12]S&P GLOBAL RATINGS.ABS frontiers:Equipping data centers through securitization[R/OL].[2026-08-20].
[13]AMAZON.COM,INC.Form 10-K for the fiscal year ended December 31,2025[R/OL].[2026-08-20].
[14]CORE SCIENTIFIC,INC.Earnings presentation:High-performance computing infrastructure contracts[R/OL].[2026-08-20].
[15]Moody's:Hyperscalers understating risks of short-term AI data center lease agreements,leaving investors in the dark[N/OL].Data Center Dynamics[2026-08-20].
[16]GALAXY DIGITAL INC.Project financing and lease arrangements for the Helios data center campus[R/OL].(2026-07-22)[2026-08-20].
[17]COREWEAVE,INC.Registration statement:Form S-1/A[R/OL].(2025-03)[2026-08-20].
[18]CIPHER MINING INC.Form 10-K for the fiscal year ended December 31,2025[R/OL].[2026-08-20].
[19]ASSOCIATED PRESS.Microsoft takes over a Texas AI data center expansion after OpenAI backs away[N/OL].2026-03-27[2026-08-20].
[20]COHEN G,KILLEN C,LAU S.Tail risk for banks posed by investments in generative artificial intelligence[EB/OL].Federal Reserve Bank of Chicago,2026-02[2026-08-20].
[21]FINANCIAL CRISIS INQUIRY COMMISSION.The Financial Crisis Inquiry Report:Chapter 11,The bust[R/OL].Washington,D.C.:U.S.Government Printing Office,2011[2026-08-20].